• 대한방사선기술학회지:방사선기술과학
• /
• 제46권4호
• /
• pp.277-285
• /
• 2023

In this study, pneumonia identification networks with the small number of layers were constructed by using chest X-ray images. The networks had similar trainable-parameters, and the performance of the trained models was quantitatively evaluated with the modification of the network architectures. A total of 6 networks were constructed: convolutional neural network (CNN), VGGNet, GoogleNet, residual network with identity blocks, ResNet with bottleneck blocks and ResNet with identity and bottleneck blocks. Trainable parameters for the 6 networks were set in a range of 273,921-294,817 by adjusting the output channels of convolution layers. The network training was implemented with binary cross entropy (BCE) loss function, sigmoid activation function, adaptive moment estimation (Adam) optimizer and 100 epochs. The performance of the trained models was evaluated in terms of training time, accuracy, precision, recall, specificity and F1-score. The results showed that the trained models with the small number of layers precisely detect pneumonia from chest X-ray images. In particular, the overall quantitative performance of the trained models based on the ResNets was above 0.9, and the performance levels were similar or superior to those based on the CNN, VGGNet and GoogleNet. Also, the residual blocks affected the performance of the trained models based on the ResNets. Therefore, in this study, we demonstrated that the object detection networks with the small number of layers are suitable for detecting pneumonia using chest X-ray images. And, the trained models based on the ResNets can be optimized by applying appropriate residual-blocks.

• 한국컴퓨터정보학회논문지
• /
• 제26권8호
• /
• pp.23-30
• /
• 2021

본 연구에선 제조 공정에서의 양/불량 판정을 위한 오토인코더(AE) 기반의 이상 탐지 방법들의 비교 분석과 우수한 성능을 보인 이상치 판별 기준을 제시한다. 제조 현장의 특성상 불량 데이터의 수는 적고, 불량의 형태가 다양하다. 이러한 특성은 정상과 비정상 데이터를 모두 활용하는 인공지능 기반 양/불량 판정 모델의 성능을 저하시키고, 성능 향상을 위한 비정상 데이터의 추가 확보에 시간과 비용을 발생시킨다. 이러한 문제를 해결하기 위해서 정상 데이터만을 이용해 이상 탐지를 수행하는 AE, VAE 등 AE 기반의 모델에 관한 연구들이 진행되고 있다. 본 연구에서는 Convolutional AE, VAE, Dilated VAE 모델을 기반으로 잔차 이미지에 대한 통계치와 MSE, 정보 엔트로피를 이상치 판별 기준으로 선정하여 각 모델의 성능을 비교 분석했다. 특히 Convolutional AE 모델에 대해서 범위 값을 적용했을 때, AUC PRC 0.9570, F1 Score 0.8812, AUC ROC 0.9548, 정확도 87.60%의 가장 우수한 성능을 보였다. 이는 기존의 이상치 판별 기준으로 자주 사용되었던 MSE에 비해 정확도 기준 약 20%P(Percentage Point)의 성능 향상을 보이며, 이상치 판별 기준에 따른 모델 성능 향상이 가능함을 확인하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제22권6호
• /
• pp.37-44
• /
• 2018

본 연구는 시특법에 따른 비탈면 상태평가에 활용되는 절리암면비탈면의 가중치에 대한 수정안을 제안했다. 일반적으로 평가 항목수정 및 각 항목별 가중치 부여와 항목별 평가 기준에 대한 연구는 Delphi 방법 및 AHP 방법 등 전문가의 경험에 의존하는 의사결정기법으로 결정되어 왔다. 본 연구에서는 보다 합리적인 결과를 얻기 위하여 기존의 주관적인 방법뿐만 아니라 비탈면의 점검 및 진단 데이터를 활용한 통계적 기법을 함께 활용하여 객관적인 가중치를 제시하고자 하였다. 본 연구에서는 절리암반 비탈면의 점검 데이터를 활용하여 엔트로피의 개념을 적용한 객관적인 가중치를 산정하고, AHP 기법에 의한 주관적 가중치는 전문가의 의견을 토대로 산정하였다. 그리고 두 가지를 결합하여 수정가중치가 제안하였으며, 그 결과, 도출된 절리암반 비탈면의 수정 가중치는 인위적 요인과 손상상태 항목들이 높은 가중치를 갖는 것으로 나타났다. 수정된 평가 기준을 향후 비탈면 세부지침 개정 등에 반영되면 보다 합리적인 절리암반 비탈면의 상태안정성 파악이 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 수면정신생리
• /
• 제24권1호
• /
• pp.46-54
• /
• 2017

목 적 : 가정폭력에 노출된 여성은 우울증, 불안장애, 외상 후 스트레스 장애 등 다양한 정신 질환에 이환되기 쉽다. 심박변이도 검사는 자율신경계의 활성도와 균형을 평가하는 검사로 비침습적이고 재현성이 높아 정신 질환에 대한 연구에서도 폭넓게 활용되고 있다. 그러나 폭력 피해 여성에 대한 심박변이도 연구는 아직까지 부족한 실정이다. 본 연구는 국내 폭력 피해 여성의 인구사회학적 특징 및 심리학적 특징을 살펴보고, 한국인과 외국인 폭력 피해 여성의 임상적 특징과 심박변이도 검사 결과의 차이를 비교해보고자 하였다. 방 법 : 여성쉼터에 입소한 폭력피해 여성 중 2011년 12월 부터 2015년 12월까지 건강검진을 위해 서울의료원에 방문한 대상자 중 한국인 166명, 외국인 44명, 총 210명 대상으로 HAM-D, HAM-A, IES-R 등 임상 척도 평가와 심박변이도 검사를 실시하였다. 폭력 피해 여성 중 한국인과 외국인의 인구사회학적 특징, 심리적 특징, 심박변이도를 비교하기 위하여 카이제곱 검정 및독립 표본 t-검정 등을 시행하였다. 결 과 : 한국인과 외국인 폭력 피해 여성은 거주지, 유년시절폭력의 경험, 폭력의 지속기간에서 유의한 차이가 있었다. 한국인과 외국인 폭력 피해 여성 두 군 간의 HAM-A, HAM-D, IES-R 점수에는 유의한 차이가 없었다. 심박변이도의 세부지표에서는 ApEn 수치가 외국인 폭력 피해 여성군이 한국인보다 유의하게 높았고, RMSSD 수치는 외국인 폭력 피해 여성 군이 한국인보다 유의하게 낮은 결과를 보였다. 기타 HRV 세부지표에서는 한국인 폭력 피해 여성 군과 외국인 폭력피해 여성 군 두 군 간에 유의한 차이를 보이지 않았다. 결 론 : 국내 폭력 피해 여성은 우울, 불안, 외상 후 스트레스장애 증상을 가지고 있는 비율이 높았고 한국인과 외국인 간의 차이는 유의하지 않았다. 그러나 심박변이도 검사에서 외국인의 ApEn 값이 유의하게 높고 RMSSD 값이 유의하게 낮았다. 이는 한국인과 외국인의 인종 생리적 또는 이민 생활 등 환경적 영향의 차이일 수 있으며 향후 충분한 수의 외국인 대상자와 한국인을 비교, 추적조사를 통하여 요인간의 인과관계를 파악하는 연구가 필요할 것으로 보인다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.